Highly Specific and Ultrasensitive Plasma Test Detects Abeta(1-42) and Abeta(1-40) in Alzheimer’s Disease
Notice bibliographique
Résumé
Abstract BACKGROUND Plasma biomarkers that reflect specific amyloid beta (Abeta) proteoforms are essential to monitor treatment effects of Alzheimer’s disease (AD) therapies. Our aim was to develop and validate ready-to-use Simoa ‘Amyblood’ assays that measure full length Abeta 1-42 and Abeta 1-40 and compare their performance with two commercial assays. METHODS Linearity, intra- and inter-assay %CV were compared between Amyblood, Quanterix Simoa triplex, and Euroimmun ELISA. Sensitivity and selectivity were assessed for Amyblood and the Quanterix triplex. Clinical performance was assessed in CSF biomarker confirmed AD (n=43, 68±6 years) and controls (n=42, 62±5 years). RESULTS Prototype and Amyblood showed similar calibrator curves and differentiation (20 AD vs 20 controls, p <0.001). Amyblood, Quanterix triplex, and ELISA showed similar linearity (96%-122%) and intra-assay %CVs (≤3.1%). A minor non-specific signal was measured with Amyblood of +2.4 pg/mL Abeta 1-42 when incubated with 60 pg/mL Abeta 1-40 . A substantial non-specific signal of +24.7 pg/mL Abeta x-42 was obtained when 40 pg/mL Abeta 3-42 was measured with the Quanterix triplex. Selectivity for Abeta 1-42 at physiological Abeta 1-42 and Abeta 1-40 concentrations was 125% for Amyblood and 163% for Quanterix. Amyblood and Quanterix ratios ( p <0.001) and ELISA Abeta 1-42 concentration ( p =0.025) could differentiate AD from controls. CONCLUSIONS We successfully developed and upscaled a prototype to the Amyblood assays with similar technical and clinical performance as the Quanterix triplex and ELISA, but better specificity and selectivity than the Quanterix triplex assay. These results suggest leverage of this specific assay for monitoring treatment response in trials.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,187 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».